高度情報化社会とよばれる現在において、 コンピュータの研究・開発の進歩はめざましく、 人工知能やニューロコンピュータの研究も注目されるようになった。
ニューロコンピュータは、 現在主流のノイマン型コンピュータと同じ1940年代に発案されているが、 近年あらたに注目されるようになり、 コンピュータの機能を人間の頭脳活動に近付けようと研究されている分野である。 まだ開発の緒についたばかりの分野であるが、 学習ができることが実証されており、 音声・文字などの認識成功例が報告されている。
ニューロコンピュータは、 人間の脳細胞をモデル化したニューロンという素子が互いに結合したニューラルネットワークのことを主に指し、 現在マッカロックとピッツによる最も単純で代表的なニューロンモデルを用いたネットワークが主流である。
本研究はこのニューラルネットワークに生体システムなどにおいて観測される非線形ダイナミクス現象であるカオスを学習させることが目的であるが、 既に昨年の研究生である大野宏氏によりニューラルネットワークの離散時間モデルによるカオスダイナミクス（カオスアトラクタ）の学習が可能であることが論ぜられている。 そこで本研究ではネットワークの学習にバックプロパゲーション法（誤差逆伝搬法）という学習則を用いてカオスアトラクタのが可能であるかを検討する。 そして一つのネットワークに同時に二つのカオスアトラクタを学習させることが可能であるかを検討する。
学習は、 離散時間モデルのニューラルネットワークに第3章で説明するカオスアトラクタを学習させるプログラムをC言語で作成し、 実際にそれをシミュレーションさせて行なう。 そしてその学習結果から学習の効果について考察する。
本論文では、ニューロンとニューラルネットワーク（第2章）、 学習対象であるカオスとカオスアトラクタ（第3章）、 本研究で使用したネットワークとバックプロパゲーション法（第4章）の説明をし、 実際にカオスアトラクタの学習を行ない、 その効果について考察した後、 二つのカオスアトラクタの学習を検討する。（第5章） そして最後にまとめとして結言を記す（第6章）。